Importación de la Data
library(readxl)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(openxlsx)
# Ruta al archivo Excel
PMO_Data <- "Downloads/Estatus reuniones_SET2023_ENE2024 cbs (version 2.1).xlsx" # Actualiza esto con la ruta correcta
# Leer los nombres de todas las hojas
PMO_Nombres_Hojas <- excel_sheets(PMO_Data)
# Leer los datos de cada hoja
PMO_Datos_Hojas <- lapply(PMO_Nombres_Hojas , function(hoja) {
read_excel(PMO_Data , sheet = hoja)
})
## New names:
## • `` -> `...6`
## New names:
## New names:
## • `` -> `...1`
## • `` -> `...2`
## • `` -> `...3`
## • `` -> `...4`
## • `` -> `...5`
## • `` -> `...6`
## • `` -> `...7`
## • `` -> `...8`
print(PMO_Datos_Hojas)
## [[1]]
## # A tibble: 193 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 YAULI Yauli Pachachaca <NA> Klinger Cañe… "Junta Dire… Pres…
## 2 HUAROCHIRI Antioquia Sisicaya <NA> Esteban Azor… "Junta Dire… Pres…
## 3 HUAROCHIRI Antioquia Antioquía <NA> Leyla Alegre… "Institució… Coor…
## 4 HUAROCHIRI Antioquia San Rosa de Cho… <NA> Cornelio Luj… "Junta Dire… Vice…
## 5 HUAROCHIRI Antioquia Villa pampilla <NA> Jose Luis Ri… "Junta Dire… Pres…
## 6 LIMA ATE <NA> Asoci… Martiniano N… "Junta Dire… Pres…
## 7 LIMA ATE <NA> Urban… Juan Taquire "Junta Dire… Pres…
## 8 LIMA ATE <NA> Asoci… <NA> "Junta Dire… Espo…
## 9 LIMA ATE <NA> Asoci… Alejandro Ch… "Junta Dire… Pres…
## 10 LIMA ATE <NA> Condo… Manuel Berna… "Junta Dire… Pres…
## # ℹ 183 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
##
## [[2]]
## # A tibble: 120 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Antioquía Cochahuayco N/A Nelson Tello… Junta Direc… Vice…
## 2 HUAROCHIRI Antioquía Cochahuayco N/A Richard Huam… Junta Direc… Teni…
## 3 HUAROCHIRI Antioquía Cochahuayco N/A Rosa Carrill… Asociación … Pres…
## 4 LIMA Ate N/A Pirotécn… Priscila Bal… Asociación … Veci…
## 5 LIMA Ate N/A Asoc. Vi… Ronald Cruz Asoc. Vivie… Pres…
## 6 LIMA Cieneguilla N/A Seis pue… Enriqueta Qu… Asociación … vocal
## 7 LIMA Cieneguilla N/A Seis pue… Percy Bolo B… Asociación … pres…
## 8 LIMA Cieneguilla N/A Seis pue… Jenny Loroña Asociación … pres…
## 9 LIMA Cieneguilla N/A Seis pue… Jobs Rosas Asociación … pres…
## 10 LIMA Cieneguilla N/A Seis pue… Ricardo Mira… Asociación … pres…
## # ℹ 110 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
##
## [[3]]
## # A tibble: 275 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Huarochirí Llambilla <NA> Edson Huarin… Junta Direc… Pres…
## 2 HUAROCHIRI San Juan de Tan… Carhuapa… <NA> Luis Bartolo… Junta Direc… Pres…
## 3 HUAROCHIRI San Juan de Tan… Carhuapa… <NA> Lucia Inacio… Junta Direc… Vice…
## 4 HUAROCHIRI San Juan de Tan… Carhuapa… <NA> Guillermo Ar… Junta Direc… Fisc…
## 5 HUAROCHIRI Huarochirí Suni <NA> Smithy Dario… Junta Direc… Pres…
## 6 HUAROCHIRI San Juan de Tan… <NA> <NA> Jessica Pila… I.E. 20653 … Dire…
## 7 YAULI Yauli Yauli <NA> Lucio Marin … Junta Direc… Pres…
## 8 YAULI <NA> <NA> <NA> <NA> <NA> <NA>
## 9 HUAROCHIRI Santiago de Anc… CC Sunis… <NA> Wilmer Ferna… Junta Direc… Pres…
## 10 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## # ℹ 265 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
##
## [[4]]
## # A tibble: 152 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Antioquia Sisicaya - Antonio Fred… Agencia Mu… Agen…
## 2 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## 3 HUAROCHIRI Antioquia Sisicaya - Rita Jesus R… Junta Direc… Vice…
## 4 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## 5 HUAROCHIRI Antioquia Sisicaya CP Nieve Nie… Maria Valenc… - Pobl…
## 6 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## 7 HUAROCHIRI Antioquia Sisicaya - Juana León d… - Pobl…
## 8 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## 9 YAULI Yauli Pomacocha - Lucio Marin … Junta Direc… Pres…
## 10 YAULI <NA> <NA> <NA> <NA> <NA> <NA>
## # ℹ 142 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
##
## [[5]]
## # A tibble: 195 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Santo Domingo d… Matará Piedr… Marcelino Me… Junta Direc… Pres…
## 2 HUAROCHIRI Santo Domingo d… Matará Piedr… Santos Paul … Comité de A… Secr…
## 3 HUAROCHIRI Santo Domingo d… Matará Piedr… David Ramos … - Comu…
## 4 HUAROCHIRI Santo Domingo d… Matará Piedr… Jaime Lider … Programa Va… Pres…
## 5 HUAROCHIRI Santo Domingo d… Matará Piedr… Michael Ramo… Agencia Mun… Agen…
## 6 HUAROCHIRI Santo Domingo d… <NA> Piedr… Herminio Gut… Municipalid… Regi…
## 7 YAULI Santa Rosa de S… Santa Ro… <NA> Jhony Javier… Comité de M… Secr…
## 8 YAULI Santa Rosa de S… Santa Ro… <NA> Elsa Zevallo… Junta Direc… Pres…
## 9 HUAROCHIRI Huarochiri <NA> <NA> Alejandro Lo… Municipalid… Regi…
## 10 HUAROCHIRI Huarochiri <NA> <NA> Cruiff Manue… Municipalid… Regi…
## # ℹ 185 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
##
## [[6]]
## # A tibble: 132 × 6
## SETIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE `ENERO 2024` ...6
## <chr> <chr> <chr> <chr> <chr> <chr>
## 1 EIA - PPC Información … EIA-PPC EIA-PPC EIA -PPC <NA>
## 2 Información del Proyecto Otros Seguimie… Seguimie… Información… <NA>
## 3 Otros Seguimiento Informac… Informac… Linea base <NA>
## 4 Seguimiento <NA> Otros Otros Otros <NA>
## 5 <NA> Identificaci… <NA> <NA> Seguimiento <NA>
## 6 <NA> <NA> <NA> <NA> <NA> <NA>
## 7 <NA> <NA> <NA> <NA> <NA> <NA>
## 8 <NA> <NA> <NA> <NA> <NA> <NA>
## 9 GENERAL NCC SETIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE ENER…
## 10 EIA -PPC 1 0 28 44 31
## # ℹ 122 more rows
##
## [[7]]
## # A tibble: 162 × 13
## ...1 ...2 ...3 ...4 ...5 ...6 ...7 ...8 SETIEMBRE OCTUBRE NOVIEMBRE
## <chr> <chr> <chr> <chr> <chr> <lgl> <lgl> <chr> <chr> <chr> <chr>
## 1 ENERO … DICI… NOVI… OCTU… SETI… NA NA <NA> <NA> <NA> <NA>
## 2 Antioq… Anti… Anti… Anti… Anti… NA NA Chic… <NA> <NA> <NA>
## 3 Ate Ate Cien… Ate ATE NA NA Moro… 4 2 <NA>
## 4 Luriga… Chic… Huar… Cien… Cien… NA NA Sant… 1 <NA> 7
## 5 Cieneg… Cien… Langa Huar… Huar… NA NA Cuen… <NA> 2 7
## 6 Cuenca Cuen… Luri… Langa Luri… NA NA San … 4 2 7
## 7 Huaroc… Huar… Pach… Luri… Moro… NA NA Sant… 10 4 2
## 8 Langa Langa San … Moro… San … NA NA Sant… 9 3 4
## 9 Pachac… Pach… San … San … San … NA NA San … 4 4 5
## 10 San Ju… <NA> San … San … Sant… NA NA San … <NA> <NA> <NA>
## # ℹ 152 more rows
## # ℹ 2 more variables: DICIEMBRE <chr>, `ENERO 2024` <chr>
##
## [[8]]
## # A tibble: 41 × 13
## ...1 ...2 ...3 ...4 ...5 ...6 ...7 ...8 SETIEMBRE OCTUBRE NOVIEMBRE
## <chr> <chr> <chr> <chr> <lgl> <lgl> <lgl> <chr> <dbl> <dbl> <dbl>
## 1 <NA> <NA> <NA> <NA> NA NA NA <NA> NA NA NA
## 2 Antioq… Anti… Anti… Anti… NA NA NA Chic… NA NA NA
## 3 Ate Cien… Ate ATE NA NA NA Moro… 4 2 NA
## 4 Chicla Huar… Cien… Cien… NA NA NA Sant… 1 NA 7
## 5 Cieneg… Langa Huar… Huar… NA NA NA Cuen… NA 2 7
## 6 Cuenca Luri… Langa Luri… NA NA NA San … 4 2 7
## 7 Huaroc… Pach… Luri… Moro… NA NA NA Sant… 10 4 2
## 8 Langa San … Moro… San … NA NA NA Sant… 9 3 4
## 9 Pachac… San … San … San … NA NA NA San … 4 4 5
## 10 <NA> San … San … Sant… NA NA NA San … NA NA NA
## # ℹ 31 more rows
## # ℹ 2 more variables: DICIEMBRE <dbl>, `ENERO 2024` <dbl>
##
## [[9]]
## # A tibble: 29 × 4
## Provincia Tema Detalle Acuerdos
## <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Información del Proyecto "Presentación del equipo Social… "Manten…
## 2 HUAROCHIRI Información del Proyecto "Información del proyecto … "Manten…
## 3 HUAROCHIRI Información del Proyecto "Presentación del equipo Social… "Report…
## 4 HUAROCHIRI Información del Proyecto "Información del proyecto y rec… "Realiz…
## 5 HUAROCHIRI Otros "Solicitar información sobre lo… <NA>
## 6 HUAROCHIRI Seguimiento "Solicitudes de la comunidad fr… "Contin…
## 7 HUAROCHIRI Seguimiento "Lo acontecido con la empresa I… "Coordi…
## 8 HUAROCHIRI Seguimiento "Realizar seguimiento a la empr… "Manten…
## 9 HUAROCHIRI Seguimiento "Recabar información sobre los … "No se …
## 10 LIMA Información del Proyecto "Entrega del Oficio emitido por… "Retiro…
## # ℹ 19 more rows
##
## [[10]]
## # A tibble: 19 × 4
## Provincia Tema Detalle Acuerdos
## <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Información del Proyecto "Presentación del … "Seguir…
## 2 HUAROCHIRI Información del Proyecto "Recabar informaci… "Brinda…
## 3 HUAROCHIRI Información del Proyecto "Presentación del … "Seguir…
## 4 HUAROCHIRI Seguimiento "Monitorear el cum… "Seguir…
## 5 HUAROCHIRI Seguimiento "Recabar informaci… "Manten…
## 6 HUAROCHIRI Seguimiento "Verificación a cr… "Inform…
## 7 HUAROCHIRI Seguimiento "Seguimiento a la … "Seguir…
## 8 HUAROCHIRI Seguimiento "Observaciones del… "Manten…
## 9 LIMA Identificación de Actores - Posición "Identificación de… "Percep…
## 10 LIMA Información del Proyecto "Presentación equi… "Se com…
## 11 LIMA Seguimiento "El presidente se … "A favo…
## 12 LIMA Seguimiento "Seguimiento a la … "Se man…
## 13 YAULI Información del Proyecto "Informar avances … "Manten…
## 14 YAULI Información del Proyecto "Presentación del … "Seguir…
## 15 YAULI Otros "Orientar a la ins… "Hacer …
## 16 YAULI Seguimiento "Visita a la JD pa… "Manten…
## 17 YAULI Otros "Informar la respu… "Manten…
## 18 YAULI Otros "Disconformidad co… "Parali…
## 19 YAULI Otros "La Municipalidad … "Seguir…
##
## [[11]]
## # A tibble: 28 × 4
## Provincia Tema Detalle Acuerdos
## <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Seguimiento "Monitorear el cumplimiento de … "Manten…
## 2 HUAROCHIRI Seguimiento "Monitorear el cumplimiento de … "Manten…
## 3 HUAROCHIRI Seguimiento "Monitorear el cumplimiento de … "Manten…
## 4 HUAROCHIRI Información del Proyecto "Presentación del equipo de Ges… "Manten…
## 5 HUAROCHIRI EIA - PPC "\r\nInformación del proximo ta… "Manten…
## 6 HUAROCHIRI Seguimiento "Seguimiento del cumplimiento d… "Seguir…
## 7 HUAROCHIRI Información del Proyecto "Presentación del equipo de Ges… "Inform…
## 8 HUAROCHIRI Seguimiento "Seguimiento del cumplimiento d… "Recorr…
## 9 HUAROCHIRI EIA - PPC "Información de las empresas qu… "Hacer …
## 10 HUAROCHIRI Otros "Recorrido del territorio de la… "-Los i…
## # ℹ 18 more rows
##
## [[12]]
## # A tibble: 10 × 4
## Provincia Tema Detalle Acuerdos
## <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Información del Proyecto "Información sobre participació… "Monito…
## 2 HUAROCHIRI EIA - PPC "Perspectiva del proyecto NCC\r… "Se le …
## 3 HUAROCHIRI EIA - PPC "Percepción del 2 taller PPC\r\… "Seguir…
## 4 HUAROCHIRI Seguimiento "Presentación del equipo social… "Inform…
## 5 HUAROCHIRI Información del Proyecto "Presentación del equipo social… "Inform…
## 6 HUAROCHIRI Información del Proyecto "Solicitud de información de pr… "Progra…
## 7 LIMA EIA - PPC "Información del seguimiento a … "Inform…
## 8 LIMA EIA - PPC "Información sobre los talleres… "Inform…
## 9 YAULI EIA - PPC "Corrobar la participacion de l… "-"
## 10 YAULI EIA - PPC "Información de la fecha y hora… "- Asis…
##
## [[13]]
## # A tibble: 29 × 5
## Provincia Tema Detalle Acuerdos y/o próximo…¹ Acuerdos
## <chr> <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Seguimiento "Seguimi… "- Se le informara de… "Se le …
## 2 HUAROCHIRI Información del Proyecto "Present… "-Seguir informando d… "Hizo m…
## 3 HUAROCHIRI Otros "Present… "-Seguir informando d… "Solici…
## 4 HUAROCHIRI Seguimiento "Seguimi… "- Mantener comunicac… "Manife…
## 5 HUAROCHIRI Otros "Recabar… "- Informar a gabinet… "El pre…
## 6 HUAROCHIRI EIA - PPC "Percepc… "-Seguir informando d… "Sugier…
## 7 HUAROCHIRI Otros "Reclamo… "- Se realizara las i… "Se enc…
## 8 HUAROCHIRI Seguimiento "Present… "-Seguir informando d… "Como c…
## 9 HUAROCHIRI Otros "Datos … "-Seguir informando e… "El act…
## 10 HUAROCHIRI Información del Proyecto "Brindo … <NA> "La Com…
## # ℹ 19 more rows
## # ℹ abbreviated name: ¹`Acuerdos y/o próximos pasos`
Asignación de Variables por hoja
# Asignar cada hoja a una variable
Septiembre <- PMO_Datos_Hojas[[1]]
Octubre <- PMO_Datos_Hojas[[2]]
Noviembre <- PMO_Datos_Hojas[[3]]
Diciembre <- PMO_Datos_Hojas[[4]]
Enero_2024 <- PMO_Datos_Hojas[[5]]
Graficos_1 <- PMO_Datos_Hojas[[6]]
Graficos_2 <- PMO_Datos_Hojas[[7]]
Graficos_3 <- PMO_Datos_Hojas[[8]]
Temas_Septiembre <- PMO_Datos_Hojas[[9]]
Temas_Octubre <- PMO_Datos_Hojas[[10]]
Temas_Noviembre <- PMO_Datos_Hojas[[10.1]]
Temas_Diciembre <- PMO_Datos_Hojas[[10.2]]
Temas_Enero_2024 <- PMO_Datos_Hojas[[10.3]]
print(Septiembre)
## # A tibble: 193 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 YAULI Yauli Pachachaca <NA> Klinger Cañe… "Junta Dire… Pres…
## 2 HUAROCHIRI Antioquia Sisicaya <NA> Esteban Azor… "Junta Dire… Pres…
## 3 HUAROCHIRI Antioquia Antioquía <NA> Leyla Alegre… "Institució… Coor…
## 4 HUAROCHIRI Antioquia San Rosa de Cho… <NA> Cornelio Luj… "Junta Dire… Vice…
## 5 HUAROCHIRI Antioquia Villa pampilla <NA> Jose Luis Ri… "Junta Dire… Pres…
## 6 LIMA ATE <NA> Asoci… Martiniano N… "Junta Dire… Pres…
## 7 LIMA ATE <NA> Urban… Juan Taquire "Junta Dire… Pres…
## 8 LIMA ATE <NA> Asoci… <NA> "Junta Dire… Espo…
## 9 LIMA ATE <NA> Asoci… Alejandro Ch… "Junta Dire… Pres…
## 10 LIMA ATE <NA> Condo… Manuel Berna… "Junta Dire… Pres…
## # ℹ 183 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
print(Octubre)
## # A tibble: 120 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Antioquía Cochahuayco N/A Nelson Tello… Junta Direc… Vice…
## 2 HUAROCHIRI Antioquía Cochahuayco N/A Richard Huam… Junta Direc… Teni…
## 3 HUAROCHIRI Antioquía Cochahuayco N/A Rosa Carrill… Asociación … Pres…
## 4 LIMA Ate N/A Pirotécn… Priscila Bal… Asociación … Veci…
## 5 LIMA Ate N/A Asoc. Vi… Ronald Cruz Asoc. Vivie… Pres…
## 6 LIMA Cieneguilla N/A Seis pue… Enriqueta Qu… Asociación … vocal
## 7 LIMA Cieneguilla N/A Seis pue… Percy Bolo B… Asociación … pres…
## 8 LIMA Cieneguilla N/A Seis pue… Jenny Loroña Asociación … pres…
## 9 LIMA Cieneguilla N/A Seis pue… Jobs Rosas Asociación … pres…
## 10 LIMA Cieneguilla N/A Seis pue… Ricardo Mira… Asociación … pres…
## # ℹ 110 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
print(Noviembre)
## # A tibble: 275 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Huarochirí Llambilla <NA> Edson Huarin… Junta Direc… Pres…
## 2 HUAROCHIRI San Juan de Tan… Carhuapa… <NA> Luis Bartolo… Junta Direc… Pres…
## 3 HUAROCHIRI San Juan de Tan… Carhuapa… <NA> Lucia Inacio… Junta Direc… Vice…
## 4 HUAROCHIRI San Juan de Tan… Carhuapa… <NA> Guillermo Ar… Junta Direc… Fisc…
## 5 HUAROCHIRI Huarochirí Suni <NA> Smithy Dario… Junta Direc… Pres…
## 6 HUAROCHIRI San Juan de Tan… <NA> <NA> Jessica Pila… I.E. 20653 … Dire…
## 7 YAULI Yauli Yauli <NA> Lucio Marin … Junta Direc… Pres…
## 8 YAULI <NA> <NA> <NA> <NA> <NA> <NA>
## 9 HUAROCHIRI Santiago de Anc… CC Sunis… <NA> Wilmer Ferna… Junta Direc… Pres…
## 10 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## # ℹ 265 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
print(Diciembre)
## # A tibble: 152 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Antioquia Sisicaya - Antonio Fred… Agencia Mu… Agen…
## 2 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## 3 HUAROCHIRI Antioquia Sisicaya - Rita Jesus R… Junta Direc… Vice…
## 4 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## 5 HUAROCHIRI Antioquia Sisicaya CP Nieve Nie… Maria Valenc… - Pobl…
## 6 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## 7 HUAROCHIRI Antioquia Sisicaya - Juana León d… - Pobl…
## 8 HUAROCHIRI <NA> <NA> <NA> <NA> <NA> <NA>
## 9 YAULI Yauli Pomacocha - Lucio Marin … Junta Direc… Pres…
## 10 YAULI <NA> <NA> <NA> <NA> <NA> <NA>
## # ℹ 142 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
print(Enero_2024)
## # A tibble: 195 × 13
## Provincia Distrito Comunidad Sector Representante Organizacion Cargo
## <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 HUAROCHIRI Santo Domingo d… Matará Piedr… Marcelino Me… Junta Direc… Pres…
## 2 HUAROCHIRI Santo Domingo d… Matará Piedr… Santos Paul … Comité de A… Secr…
## 3 HUAROCHIRI Santo Domingo d… Matará Piedr… David Ramos … - Comu…
## 4 HUAROCHIRI Santo Domingo d… Matará Piedr… Jaime Lider … Programa Va… Pres…
## 5 HUAROCHIRI Santo Domingo d… Matará Piedr… Michael Ramo… Agencia Mun… Agen…
## 6 HUAROCHIRI Santo Domingo d… <NA> Piedr… Herminio Gut… Municipalid… Regi…
## 7 YAULI Santa Rosa de S… Santa Ro… <NA> Jhony Javier… Comité de M… Secr…
## 8 YAULI Santa Rosa de S… Santa Ro… <NA> Elsa Zevallo… Junta Direc… Pres…
## 9 HUAROCHIRI Huarochiri <NA> <NA> Alejandro Lo… Municipalid… Regi…
## 10 HUAROCHIRI Huarochiri <NA> <NA> Cruiff Manue… Municipalid… Regi…
## # ℹ 185 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## # Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
Frecuencia Asistentes por Provincia
library(ggplot2)
library(plotly)
##
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
##
## last_plot
## The following object is masked from 'package:stats':
##
## filter
## The following object is masked from 'package:graphics':
##
## layout
color_palette <- c("#E69F00", "#56B4E9", "#009E73", "#F0E442", "#0072B2", "#D55E00", "#CC79A7", "#999999")
# Septiembre
septiembre_plot <- ggplot(Septiembre, aes(x = Provincia, fill = Provincia)) +
geom_bar(show.legend = FALSE) +
scale_fill_manual(values = color_palette) +
theme_minimal() +
labs(title = "Frecuencia por Provincia Septiembre", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
septiembre_plotly <- ggplotly(septiembre_plot)
print(septiembre_plotly)
# Octubre
octubre_plot <- ggplot(Octubre, aes(x = Provincia, fill = Provincia)) +
geom_bar(show.legend = FALSE) +
scale_fill_manual(values = color_palette) +
theme_minimal() +
labs(title = "Frecuencia por Provincia Octubre", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
octubre_plotly <- ggplotly(octubre_plot)
print(octubre_plotly)
# Noviembre
noviembre_plot <- ggplot(Noviembre, aes(x = Provincia, fill = Provincia)) +
geom_bar(show.legend = FALSE) +
scale_fill_manual(values = color_palette) +
theme_minimal() +
labs(title = "Frecuencia por Provincia Noviembre", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
noviembre_plotly <- ggplotly(noviembre_plot)
print(noviembre_plotly)
# Diciembre
diciembre_plot <- ggplot(Diciembre, aes(x = Provincia, fill = Provincia)) +
geom_bar(show.legend = FALSE) +
scale_fill_manual(values = color_palette) +
theme_minimal() +
labs(title = "Frecuencia por Provincia Diciembre", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
diciembre_plotly <- ggplotly(diciembre_plot)
print(diciembre_plotly)
# Enero 2024
enero_plot <- ggplot(Enero_2024, aes(x = Provincia, fill = Provincia)) +
geom_bar(show.legend = FALSE) +
scale_fill_manual(values = color_palette) +
theme_minimal() +
labs(title = "Frecuencia por Provincia Enero 2024", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
enero_plotly <- ggplotly(enero_plot)
print(enero_plotly)
Tipo de Actor asistentes
# Septiembre
Actor_Provincia_Septiembre <- ggplot(Septiembre, aes(x = Provincia, fill = Tipo_Actor)) +
geom_bar(position = "dodge") +
theme_minimal() +
labs(title = "Distribución de Tipo de Actor por Provincia en Septiembre", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
provincia_tipo_actor_Septiembre <- ggplotly(Actor_Provincia_Septiembre)
# Octubre
Actor_Provincia_Octubre <- ggplot(Octubre, aes(x = Provincia, fill = Tipo_Actor)) +
geom_bar(position = "dodge") +
theme_minimal() +
labs(title = "Distribución de Tipo de Actor por Provincia en Octubre", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
provincia_tipo_actor_Octubre <- ggplotly(Actor_Provincia_Octubre)
# Noviembre
Actor_Provincia_Noviembre <- ggplot(Noviembre, aes(x = Provincia, fill = Tipo_Actor)) +
geom_bar(position = "dodge") +
theme_minimal() +
labs(title = "Distribución de Tipo de Actor por Provincia en Noviembre", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
provincia_tipo_actor_Noviembre <- ggplotly(Actor_Provincia_Noviembre)
# Diciembre
Actor_Provincia_Diciembre <- ggplot(Diciembre, aes(x = Provincia, fill = Tipo_Actor)) +
geom_bar(position = "dodge") +
theme_minimal() +
labs(title = "Distribución de Tipo de Actor por Provincia en Diciembre", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
provincia_tipo_actor_Diciembre <- ggplotly(Actor_Provincia_Diciembre)
# Enero 2024
Actor_Provincia_Enero <- ggplot(Enero_2024, aes(x = Provincia, fill = Tipo_Actor)) +
geom_bar(position = "dodge") +
theme_minimal() +
labs(title = "Distribución de Tipo de Actor por Provincia en Enero 2024", x = "Provincia", y = "Conteo") +
theme(plot.title = element_text(hjust = 0.5))
provincia_tipo_actor_Enero <- ggplotly(Actor_Provincia_Enero)
# Almacena todos tus gráficos Plotly en una lista
lista_de_graficos <- list(provincia_tipo_actor_Septiembre, provincia_tipo_actor_Octubre,
provincia_tipo_actor_Noviembre, provincia_tipo_actor_Diciembre,
provincia_tipo_actor_Enero)
# Usa lapply para imprimir cada gráfico en la lista
lapply(lista_de_graficos, print)
## [[1]]
##
## [[2]]
##
## [[3]]
##
## [[4]]
##
## [[5]]
frecuencia por sector
#Septiembre
# Asegúrate de excluir los NA al contar las frecuencias
sectores_top10_Septiembre <- Septiembre %>%
filter(!is.na(Sector)) %>% # Excluye los NA de Sector antes de contar
count(Sector) %>%
slice_max(n = 8, order_by = n) %>% # Usando 8 en lugar de 10 según tu último código
pull(Sector)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Septiembre_filtrado <- Septiembre %>%
filter(Sector %in% sectores_top10_Septiembre)
# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")
# Crea el gráfico de barras usando solo las categorías filtradas
sector_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Sector, fill = Sector)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) + # Usa la paleta de colores básicos
theme_minimal() +
labs(title = "Top 8 Sectores en Septiembre", x = "Sector", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(sector_plot_Septiembre)
# Octubre
# Asegúrate de excluir los "N/A" al contar las frecuencias
sectores_top10_Octubre <- Octubre %>%
filter(Sector != "N/A") %>% # Excluye los "N/A" de Sector antes de contar
count(Sector) %>%
slice_max(n = 8, order_by = n) %>%
pull(Sector)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Octubre_filtrado <- Octubre %>%
filter(Sector %in% sectores_top10_Octubre)
# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")
# Crea el gráfico de barras usando solo las categorías filtradas
sector_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Sector, fill = Sector)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) + # Usa la paleta de colores básicos
theme_minimal() +
labs(title = "Top 8 Sectores en Octubre", x = "Sector", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(sector_plot_Octubre)
# Noviembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
sectores_top10_Noviembre <- Noviembre %>%
filter(Sector != "N/A") %>% # Ajusta para excluir "N/A" si es necesario
count(Sector) %>%
slice_max(n = 3, order_by = n) %>%
pull(Sector)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Noviembre_filtrado <- Noviembre %>%
filter(Sector %in% sectores_top10_Noviembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
sector_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Sector, fill = Sector)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 3 Sectores en Noviembre", x = "Sector", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(sector_plot_Noviembre)
# Diciembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
sectores_top10_Diciembre <- Diciembre %>%
filter(Sector != "N/A") %>% # Ajusta para excluir "N/A" si es necesario
count(Sector) %>%
slice_max(n = 5, order_by = n) %>%
pull(Sector)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Diciembre_filtrado <- Diciembre %>%
filter(Sector %in% sectores_top10_Diciembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
sector_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Sector, fill = Sector)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Sectores en Diciembre", x = "Sector", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(sector_plot_Diciembre)
# Enero
# Asegúrate de excluir los "N/A" al contar las frecuencias
sectores_top10_Enero <- Enero_2024 %>%
filter(Sector != "N/A") %>% # Ajusta para excluir "N/A" si es necesario
count(Sector) %>%
slice_max(n = 5, order_by = n) %>%
pull(Sector)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Enero_filtrado <- Enero_2024 %>%
filter(Sector %in% sectores_top10_Enero)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
sector_plot_Enero <- ggplot(Enero_filtrado, aes(x = Sector, fill = Sector)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 10 Sectores en Enero", x = "Sector", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(sector_plot_Enero)
Frecuencia Por Distrito
#Septiembre
# Asegúrate de excluir los NA al contar las frecuencias
distrito_top10_Septiembre <- Septiembre %>%
filter(!is.na(Distrito)) %>% # Excluye los NA de Sector antes de contar
count(Distrito) %>%
slice_max(n = 5, order_by = n) %>% # Usando 8 en lugar de 10 según tu último código
pull(Distrito)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Septiembre_filtrado <- Septiembre %>%
filter(Distrito %in% distrito_top10_Septiembre)
# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")
# Crea el gráfico de barras usando solo las categorías filtradas
distrito_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Distrito, fill = Distrito)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) + # Usa la paleta de colores básicos
theme_minimal() +
labs(title = "Top 5 Distrito en Septiembre", x = "Distrito", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(distrito_plot_Septiembre)
# Octubre
# Asegúrate de excluir los "N/A" al contar las frecuencias
Distrito_top10_Octubre <- Octubre %>%
filter(Distrito != "N/A") %>%
count(Distrito) %>%
slice_max(n = 5, order_by = n) %>%
pull(Distrito)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Octubre_filtrado <- Octubre %>%
filter(Distrito %in% Distrito_top10_Octubre)
# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")
# Crea el gráfico de barras usando solo las categorías filtradas
Distrito_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Distrito, fill = Distrito)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) + # Usa la paleta de colores básicos
theme_minimal() +
labs(title = "Top 5 Distrito en Octubre", x = "Distrito", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(Distrito_plot_Octubre)
# Noviembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
Distrito_top10_Noviembre <- Noviembre %>%
filter(Distrito != "N/A") %>% # Ajusta para excluir "N/A" si es necesario
count(Distrito) %>%
slice_max(n = 5, order_by = n) %>%
pull(Distrito)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Noviembre_filtrado <- Noviembre %>%
filter(Distrito%in% Distrito_top10_Noviembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
Distrito_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Distrito, fill = Distrito)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Distrito en Noviembre", x = "Distrito", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(Distrito_plot_Noviembre)
# Diciembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
Distrito_top10_Diciembre <- Diciembre %>%
filter(Distrito != "N/A") %>% # Ajusta para excluir "N/A" si es necesario
count(Distrito) %>%
slice_max(n = 5, order_by = n) %>%
pull(Distrito)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Diciembre_filtrado <- Diciembre %>%
filter(Distrito %in% Distrito_top10_Diciembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
Distrito_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Distrito, fill = Distrito)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Distrito en Diciembre", x = "Distrito", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(Distrito_plot_Diciembre)
# Enero
# Asegúrate de excluir los "N/A" al contar las frecuencias
Distrito_top10_Enero <- Enero_2024 %>%
filter(Distrito != "N/A") %>% # Ajusta para excluir "N/A" si es necesario
count(Distrito) %>%
slice_max(n = 5, order_by = n) %>%
pull(Distrito)
# Filtra el data frame original para incluir solo las categorías en sectores_top10
Enero_filtrado <- Enero_2024 %>%
filter(Distrito %in% Distrito_top10_Enero)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
Distrito_plot_Enero <- ggplot(Enero_filtrado, aes(x = Distrito, fill = Distrito)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Distrito en Enero", x = "Distrito", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Rota las etiquetas para mejorar la legibilidad
# Convertir a interactivo
ggplotly(Distrito_plot_Enero)
Frecuencia por Distrito
# Septiembre
# Asegúrate de excluir los NA al contar las frecuencias
cargo_top10_Septiembre <- Septiembre %>%
filter(!is.na(Cargo)) %>%
count(Cargo) %>%
slice_max(n = 5, order_by = n) %>%
pull(Cargo)
# Filtra el data frame original para incluir solo las categorías en cargo_top10
Septiembre_filtrado <- Septiembre %>%
filter(Cargo %in% cargo_top10_Septiembre)
# Crea el gráfico de barras usando solo las categorías filtradas
cargo_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Cargo, fill = Cargo)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) +
theme_minimal() +
labs(title = "Top 5 Cargo en Septiembre", x = "Cargo", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(cargo_plot_Septiembre)
# Octubre
# Asegúrate de excluir los "N/A" al contar las frecuencias
cargo_top10_Octubre <- Octubre %>%
filter(Cargo != "N/A") %>%
count(Cargo) %>%
slice_max(n = 5, order_by = n) %>%
pull(Cargo)
# Filtra el data frame original para incluir solo las categorías en cargo_top10
Octubre_filtrado <- Octubre %>%
filter(Cargo %in% cargo_top10_Octubre)
# Crea el gráfico de barras usando solo las categorías filtradas
cargo_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Cargo, fill = Cargo)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) +
theme_minimal() +
labs(title = "Top 5 Cargo en Octubre", x = "Cargo", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(cargo_plot_Octubre)
# Noviembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
cargo_top10_Noviembre <- Noviembre %>%
filter(Cargo != "N/A") %>%
count(Cargo) %>%
slice_max(n = 5, order_by = n) %>%
pull(Cargo)
# Filtra el data frame original para incluir solo las categorías en cargo_top10
Noviembre_filtrado <- Noviembre %>%
filter(Cargo %in% cargo_top10_Noviembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
cargo_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Cargo, fill = Cargo)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Cargo en Noviembre", x = "Cargo", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(cargo_plot_Noviembre)
# Diciembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
cargo_top10_Diciembre <- Diciembre %>%
filter(Cargo != "N/A") %>%
count(Cargo) %>%
slice_max(n = 5, order_by = n) %>%
pull(Cargo)
# Filtra el data frame original para incluir solo las categorías en cargo_top10
Diciembre_filtrado <- Diciembre %>%
filter(Cargo %in% cargo_top10_Diciembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
cargo_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Cargo, fill = Cargo)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Cargo en Diciembre", x = "Cargo", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(cargo_plot_Diciembre)
# Enero
# Asegúrate de excluir los "N/A" al contar las frecuencias
cargo_top10_Enero <- Enero_2024 %>%
filter(Cargo != "N/A") %>%
count(Cargo) %>%
slice_max(n = 5, order_by = n) %>%
pull(Cargo)
# Filtra el data frame original para incluir solo las categorías en cargo_top10
Enero_filtrado <- Enero_2024 %>%
filter(Cargo %in% cargo_top10_Enero)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
cargo_plot_Enero <- ggplot(Enero_filtrado, aes(x = Cargo, fill = Cargo)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Cargo en Enero", x = "Cargo", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(cargo_plot_Enero)
Frecuencia de asistentes por comunidad
# Septiembre
# Asegúrate de excluir los NA al contar las frecuencias
comunidad_top10_Septiembre <- Septiembre %>%
filter(!is.na(Comunidad)) %>%
count(Comunidad) %>%
slice_max(n = 5, order_by = n) %>%
pull(Comunidad)
# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Septiembre_filtrado <- Septiembre %>%
filter(Comunidad %in% comunidad_top10_Septiembre)
# Crea el gráfico de barras usando solo las categorías filtradas
comunidad_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Comunidad, fill = Comunidad)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) +
theme_minimal() +
labs(title = "Top 5 Comunidad en Septiembre", x = "Comunidad", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(comunidad_plot_Septiembre)
# Octubre
# Asegúrate de excluir los "N/A" al contar las frecuencias
comunidad_top10_Octubre <- Octubre %>%
filter(Comunidad != "N/A") %>%
count(Comunidad) %>%
slice_max(n = 5, order_by = n) %>%
pull(Comunidad)
# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Octubre_filtrado <- Octubre %>%
filter(Comunidad %in% comunidad_top10_Octubre)
# Crea el gráfico de barras usando solo las categorías filtradas
comunidad_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Comunidad, fill = Comunidad)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) +
theme_minimal() +
labs(title = "Top 5 Comunidad en Octubre", x = "Comunidad", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(comunidad_plot_Octubre)
# Noviembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
comunidad_top10_Noviembre <- Noviembre %>%
filter(Comunidad != "N/A") %>%
count(Comunidad) %>%
slice_max(n = 5, order_by = n) %>%
pull(Comunidad)
# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Noviembre_filtrado <- Noviembre %>%
filter(Comunidad %in% comunidad_top10_Noviembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
comunidad_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Comunidad, fill = Comunidad)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Comunidad en Noviembre", x = "Comunidad", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(comunidad_plot_Noviembre)
# Diciembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
comunidad_top10_Diciembre <- Diciembre %>%
filter(Comunidad != "N/A") %>%
count(Comunidad) %>%
slice_max(n = 5, order_by = n) %>%
pull(Comunidad)
# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Diciembre_filtrado <- Diciembre %>%
filter(Comunidad %in% comunidad_top10_Diciembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
comunidad_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Comunidad, fill = Comunidad)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Comunidad en Diciembre", x = "Comunidad", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(comunidad_plot_Diciembre)
# Enero
# Asegúrate de excluir los "N/A" al contar las frecuencias
comunidad_top10_Enero <- Enero_2024 %>%
filter(Comunidad != "N/A") %>%
count(Comunidad) %>%
slice_max(n = 5, order_by = n) %>%
pull(Comunidad)
# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Enero_filtrado <- Enero_2024 %>%
filter(Comunidad %in% comunidad_top10_Enero)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
comunidad_plot_Enero <- ggplot(Enero_filtrado, aes(x = Comunidad, fill = Comunidad)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Comunidad en Enero", x = "Comunidad", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(comunidad_plot_Enero)
Frecuencia por Organization
# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")
# Septiembre
# Asegúrate de excluir los NA al contar las frecuencias
organizacion_top10_Septiembre <- Septiembre %>%
filter(!is.na(Organizacion)) %>%
count(Organizacion) %>%
slice_max(n = 5, order_by = n) %>%
pull(Organizacion)
# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Septiembre_filtrado <- Septiembre %>%
filter(Organizacion %in% organizacion_top10_Septiembre)
# Crea el gráfico de barras usando solo las categorías filtradas
organizacion_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Organizacion, fill = Organizacion)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) +
theme_minimal() +
labs(title = "Top 5 Organizacion en Septiembre", x = "Organizacion", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(organizacion_plot_Septiembre)
# Octubre
# Asegúrate de excluir los "N/A" al contar las frecuencias
organizacion_top10_Octubre <- Octubre %>%
filter(Organizacion != "N/A") %>%
count(Organizacion) %>%
slice_max(n = 3, order_by = n) %>%
pull(Organizacion)
# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Octubre_filtrado <- Octubre %>%
filter(Organizacion %in% organizacion_top10_Octubre)
# Crea el gráfico de barras usando solo las categorías filtradas
organizacion_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Organizacion, fill = Organizacion)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) +
theme_minimal() +
labs(title = "Top 5 Organizacion en Octubre", x = "Organizacion", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(organizacion_plot_Octubre)
# Noviembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
organizacion_top10_Noviembre <- Noviembre %>%
filter(Organizacion != "N/A") %>%
count(Organizacion) %>%
slice_max(n = 5, order_by = n) %>%
pull(Organizacion)
# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Noviembre_filtrado <- Noviembre %>%
filter(Organizacion %in% organizacion_top10_Noviembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
organizacion_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Organizacion, fill = Organizacion)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Organizacion en Noviembre", x = "Organizacion", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(organizacion_plot_Noviembre)
# Diciembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
organizacion_top10_Diciembre <- Diciembre %>%
filter(Organizacion != "N/A") %>%
count(Organizacion) %>%
slice_max(n = 5, order_by = n) %>%
pull(Organizacion)
# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Diciembre_filtrado <- Diciembre %>%
filter(Organizacion %in% organizacion_top10_Diciembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
organizacion_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Organizacion, fill = Organizacion)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Organizacion en Diciembre", x = "Organizacion", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(organizacion_plot_Diciembre)
# Enero
# Asegúrate de excluir los "N/A" al contar las frecuencias
organizacion_top10_Enero <- Enero_2024 %>%
filter(Organizacion != "N/A") %>%
count(Organizacion) %>%
slice_max(n = 5, order_by = n) %>%
pull(Organizacion)
# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Enero_filtrado <- Enero_2024 %>%
filter(Organizacion %in% organizacion_top10_Enero)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
organizacion_plot_Enero <- ggplot(Enero_filtrado, aes(x = Organizacion, fill = Organizacion)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Organizacion en Enero", x = "Organizacion", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(organizacion_plot_Enero)
Frecuencia por Tipo Actor
# Septiembre
# Asegúrate de excluir los NA al contar las frecuencias
tipo_actor_top10_Septiembre <- Septiembre %>%
filter(!is.na(Tipo_Actor)) %>%
count(Tipo_Actor) %>%
slice_max(n = 5, order_by = n) %>%
pull(Tipo_Actor)
# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Septiembre_filtrado <- Septiembre %>%
filter(Tipo_Actor %in% tipo_actor_top10_Septiembre)
# Crea el gráfico de barras usando solo las categorías filtradas
tipo_actor_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) +
theme_minimal() +
labs(title = "Top 5 Tipo_Actor en Septiembre", x = "Tipo_Actor", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(tipo_actor_plot_Septiembre)
# Octubre
# Asegúrate de excluir los "N/A" al contar las frecuencias
tipo_actor_top10_Octubre <- Octubre %>%
filter(Tipo_Actor != "N/A") %>%
count(Tipo_Actor) %>%
slice_max(n = 5, order_by = n) %>%
pull(Tipo_Actor)
# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Octubre_filtrado <- Octubre %>%
filter(Tipo_Actor %in% tipo_actor_top10_Octubre)
# Crea el gráfico de barras usando solo las categorías filtradas
tipo_actor_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) +
geom_bar() +
scale_fill_manual(values = colores_basicos) +
theme_minimal() +
labs(title = "Top 5 Tipo_Actor en Octubre", x = "Tipo_Actor", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(tipo_actor_plot_Octubre)
# Noviembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
tipo_actor_top10_Noviembre <- Noviembre %>%
filter(Tipo_Actor != "N/A") %>%
count(Tipo_Actor) %>%
slice_max(n = 5, order_by = n) %>%
pull(Tipo_Actor)
# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Noviembre_filtrado <- Noviembre %>%
filter(Tipo_Actor %in% tipo_actor_top10_Noviembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
tipo_actor_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Tipo_Actor en Noviembre", x = "Tipo_Actor", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(tipo_actor_plot_Noviembre)
# Diciembre
# Asegúrate de excluir los "N/A" al contar las frecuencias
tipo_actor_top10_Diciembre <- Diciembre %>%
filter(Tipo_Actor != "N/A") %>%
count(Tipo_Actor) %>%
slice_max(n = 5, order_by = n) %>%
pull(Tipo_Actor)
# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Diciembre_filtrado <- Diciembre %>%
filter(Tipo_Actor %in% tipo_actor_top10_Diciembre)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
tipo_actor_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Tipo_Actor en Diciembre", x = "Tipo_Actor", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(tipo_actor_plot_Diciembre)
# Enero
# Asegúrate de excluir los "N/A" al contar las frecuencias
tipo_actor_top10_Enero <- Enero_2024 %>%
filter(Tipo_Actor != "N/A") %>%
count(Tipo_Actor) %>%
slice_max(n = 5, order_by = n) %>%
pull(Tipo_Actor)
# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Enero_filtrado <- Enero_2024 %>%
filter(Tipo_Actor %in% tipo_actor_top10_Enero)
# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
tipo_actor_plot_Enero <- ggplot(Enero_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) +
geom_bar() +
theme_minimal() +
labs(title = "Top 5 Tipo_Actor en Enero", x = "Tipo_Actor", y = "Frecuencia") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Convertir a interactivo
ggplotly(tipo_actor_plot_Enero)
library(plotly)
library(dplyr)
library(tidyr)
# Asumiendo que tu data frame se llama 'df'
df <- data.frame(
Categoria = c('EIA-PPC', 'Información del proyecto', 'Línea base', 'Otros', 'Seguimiento', 'Identificación de Actores'),
Septiembre = c(1, 64, 0, 2, 11, 0),
Octubre = c(0, 48, 0, 11, 11, 27),
Noviembre = c(28, 53, 0, 3, 15, 0),
Diciembre = c(44, 19, 0, 0, 82, 0),
Enero2024 = c(31, 8, 35, 13, 82, 0)
)
# Utilizar pivot_longer en lugar de gather
df_long <- df %>% pivot_longer(cols = -Categoria, names_to = "Mes", values_to = "Valor")
# Crear el gráfico interactivo
p <- plot_ly(df_long, x = ~Categoria, y = ~Valor, color = ~Mes, type = 'bar', text = ~Valor) %>%
layout(yaxis = list(title = 'Cantidad'), barmode = 'group')
# Mostrar el gráfico
p
Frecuencias por Provincia por tema
library(plotly)
library(dplyr)
library(tidyr)
# Añadir una nueva columna a cada data frame para indicar el mes
Septiembre$Mes <- 'Septiembre'
Octubre$Mes <- 'Octubre'
Noviembre$Mes <- 'Noviembre'
Diciembre$Mes <- 'Diciembre'
Enero_2024$Mes <- 'Enero_2024'
# Combinar todos los data frames en uno solo
datos_completos_PMO <- bind_rows(Septiembre, Octubre, Noviembre, Diciembre, Enero_2024)
# Filtrar NA de los datos si es necesario
datos_completos_PMO <- datos_completos_PMO %>%
filter(!is.na(Provincia), !is.na(Tema))
# Crear un gráfico de barras interactivo con plotly
frecuencia_Provincia <- plot_ly(datos_completos_PMO, x = ~Provincia, y = ~n, color = ~Mes, type = 'bar') %>%
layout(yaxis = list(title = 'Frecuencia'), barmode = 'group')
# Mostrar el gráfico
frecuencia_Provincia
library(plotly)
library(dplyr)
library(tidyr)
# Analizar la frecuencia con la que se repite cada "Tema" por "Provincia" y "Mes"
frecuencia_tema_Distrito <- datos_completos_PMO %>%
count(Distrito, Tema, Mes) %>%
arrange(Distrito, Tema, Mes)
# Para facilitar la diferenciación por mes, asignamos un color a cada mes
# Define una paleta de colores
colores_meses <- c('Septiembre' = 'blue', 'Octubre' = 'red', 'Noviembre' = 'green', 'Diciembre' = 'purple', 'Enero_2024' = 'orange')
# Crear un gráfico interactivo con colores consistentes para cada mes
Frecuencia_distrito <- plot_ly(frecuencia_tema_Distrito, x = ~Distrito, y = ~n, split = ~Mes, type = 'bar', color = ~Mes, colors = colores_meses, text = ~paste(Tema, ':', n)) %>%
layout(yaxis = list(title = 'Frecuencia'), barmode = 'group',
xaxis = list(title = "Distrito"),
colorway = c('blue', 'red', 'green', 'purple', 'orange'))
# Visualizar el gráfico interactivo
Frecuencia_distrito
## Warning: Ignoring 2 observations